如何使用pandas合并两个缺失值互补的DataFrame列

针对你提到的两列缺失值完全互补的场景，有两种简洁实现方式：

方法1：combine_first() 实现（推荐） #

该方法原生适配两列互补填充需求，优先取第一个列的非空值，空缺位置自动取第二个列的对应非空值：

# 合并生成新列 merged_col
df['merged_col'] = df['source_app_packets'].combine_first(df['source_app_packets.1'])

# 可选操作：删除原有两列、释放存储空间
df = df.drop(columns=['source_app_packets', 'source_app_packets.1'])

如果你的数据中缺失值用空字符串、空格等非常规标识存储，需要先转换为pandas可识别的NaN格式再执行合并：

import numpy as np
# 将空字符串替换为NaN
df[['source_app_packets', 'source_app_packets.1']] = df[['source_app_packets', 'source_app_packets.1']].replace('', np.nan)
# 执行合并
df['merged_col'] = df['source_app_packets'].combine_first(df['source_app_packets.1'])

方法2：fillna() 实现 #

逻辑为用第二列的非空值填充第一列的空缺位置，实现效果和第一种方法完全一致：

df['merged_col'] = df['source_app_packets'].fillna(df['source_app_packets.1'])

结果验证 #

合并完成后可执行以下代码检查是否还有遗漏的缺失值，符合你场景的前提下输出应为0：

print(df['merged_col'].isna().sum())

内容的提问来源于stack exchange，提问作者Joe Piccini